1. 探索手法
2. 確率モデル
(問1)
1. 事前に、任意の２つの品詞の遷移確率と品詞と単語間の遷移確率を求めておく。実用上は機械学習等で計算するのがよい
2. Π(品詞i-1から品詞iに遷移する確率)(品詞iから単語iに遷移する確率) が答え
(問2)
Baum-Welchアルゴリズム:前向き・後ろ向き確率を使ったEMアルゴリズム
EMアルゴリズムは、答えとなるラベルがなんなのか分からないデータ列から、各データのラベルの生成確率をもとめるアルゴリズム。E過程・M過程を収束するまで繰り返す。
E過程：
M過程で更新したパラメータあるいは初期パラメータから各確率の期待値をなにかしらの方法で求める
M過程：
E過程で求めた期待値を求めに各パラメータを更新する。
3. 確率モデル
(問1)
Aを演繹していくとQが求まるということ
健全は、手続きが妥当なものなら対応する論理式は証明可能であること
完全は、どんな手続にも対応する論理式が必ず証明できること
(問2)
知らん
(問3)
非単調論理とは、導出の過程で論理式集合が還元されてしまうような論理のこと
Negation as Failure（失敗による否定）とは、ある論理式pの導出に失敗したら、その否定!pを導出すること
「Negation as Failureを使う論理系は非単調な論理となる」とは、上記のNegation as Failureが使える論理系で論理式pを導出しようとしたらいままでの導出の過程で現れた論理集合が消え去って!pに還元されてしまうので非単調論理であることをいっている。
4. 確率モデル
(問1)
何か手続きを定義するさい、その過程でいくつか達成すべき事項があるとき、それらを同時に達成しようとするとそのための手続きが競合してしまい、少なくとも１つの事項が達成不可能になってしまうこと
(問2)
定式化はしらん5. 用語の解説
変数や記号などの文字を使って表現される論理体型のこと？
(3) ビタビパス
ビタビアルゴリズムにおいて、ある一連の事象の連なりの集合のうち、最も生成される確率の高いもの
(4) Forward Reasoning, Backward reasoning
前者は過程から結論を推論すること
後者は結論から過程を推論すること
(5)アルファ・ベータ法とMove Prediction
アルファ・ベータ法は、木の探索のさい、より良い分岐先ノードが見つかったら、木のそれより悪い部分の枝を刈って、以降探索しないようにする方法
Move Predictionってなに？